本文關(guān)鍵詞：基于人工智能方法加筋土本構(gòu)模型，由筆耕文化傳播整理發(fā)布。

湖南大學(xué)；碩士學(xué)位論文；基于人工智能方法加筋土本構(gòu)模型；姓名：彭釗；申請(qǐng)學(xué)位級(jí)別：碩士；專業(yè)：巖土工程；指導(dǎo)教師：陳昌富；20090515；碩ｌｊ學(xué)位論文；摘要；加筋土作為一種新型的土工結(jié)構(gòu)物，具有施工簡(jiǎn)易、造；由于在土中加入了筋材，土的特性發(fā)生改變，加筋土的；（１）建立了草根加筋土ＢＰ神經(jīng)網(wǎng)絡(luò)本構(gòu)模型，模型；（２）建立了草根加筋士ＲＢＦ神經(jīng)網(wǎng)絡(luò)本構(gòu)模型，并

湖南大學(xué)

碩士學(xué)位論文

基于人工智能方法加筋土本構(gòu)模型

姓名：彭釗

申請(qǐng)學(xué)位級(jí)別：碩士

專業(yè)：巖土工程

指導(dǎo)教師：陳昌富

20090515

碩ｌｊ學(xué)位論文

摘要

加筋土作為一種新型的土工結(jié)構(gòu)物，具有施工簡(jiǎn)易、造價(jià)低廉、穩(wěn)定性好的優(yōu)點(diǎn)，為土木工程師提供了多方面經(jīng)濟(jì)適用的手段。加筋土技術(shù)已大量廣泛地應(yīng)用于水利、公路、鐵路、港口和建筑等部門的加筋支擋結(jié)構(gòu)、加筋土坡和軟土地基加筋。隨著土工合成材料在現(xiàn)代巖土工程中的應(yīng)用，加筋土技術(shù)的應(yīng)用更加廣泛。因此，對(duì)加筋土的理論研究也就更加必要。

由于在土中加入了筋材，土的特性發(fā)生改變，加筋土的本構(gòu)模型難以用先前研究素土得到的本構(gòu)模型來(lái)解釋，本文基于人工智能方法利用草根加筋土三軸實(shí)驗(yàn)數(shù)據(jù)訓(xùn)練智能網(wǎng)絡(luò)，自動(dòng)生成網(wǎng)絡(luò)參數(shù)，得到了加筋土ＢＰ神經(jīng)網(wǎng)絡(luò)本構(gòu)模型，ＲＢＦ神經(jīng)網(wǎng)絡(luò)本構(gòu)模型，ＡＮＦＩＳ本構(gòu)模型，避免了數(shù)學(xué)建模確定函數(shù)參數(shù)的困難。主要成果和結(jié)論有：

（１）建立了草根加筋土ＢＰ神經(jīng)網(wǎng)絡(luò)本構(gòu)模型，模型訓(xùn)練誤差與檢驗(yàn)誤差均很小，在訓(xùn)練和檢驗(yàn)過(guò)程中模型擬合曲線與試驗(yàn)曲線均很吻合，并用模型擬合結(jié)果修正了由試驗(yàn)誤差引起的最大主應(yīng)力與草根含量關(guān)系曲線的突變點(diǎn)，表明網(wǎng)絡(luò)具有良好的容錯(cuò)能力和較高的精度，可以用做草根加筋土的本構(gòu)模型。模型擬合得到的不同草根含量的加筋土應(yīng)力應(yīng)變預(yù)測(cè)曲線也滿足最大主應(yīng)力與草根含量關(guān)系曲線，此模型具有良好的泛發(fā)推廣能力。

（２）建立了草根加筋士ＲＢＦ神經(jīng)網(wǎng)絡(luò)本構(gòu)模型，并討論了訓(xùn)練樣本規(guī)模和誤差控制對(duì)網(wǎng)絡(luò)精度的影響。訓(xùn)練樣本規(guī)模越大，網(wǎng)絡(luò)對(duì)數(shù)據(jù)內(nèi)在規(guī)律的學(xué)習(xí)也越好。訓(xùn)練誤差過(guò)小可能出現(xiàn)過(guò)擬合，導(dǎo)致網(wǎng)絡(luò)的容錯(cuò)能力下降，誤差過(guò)大又可能導(dǎo)致網(wǎng)絡(luò)對(duì)訓(xùn)練數(shù)據(jù)內(nèi)在規(guī)律學(xué)習(xí)不夠。

（３）建立了草根加筋上ＡＮＦＩＳ本構(gòu)模型，模型擬合得到的不同草根含量的加筋土應(yīng)力應(yīng)變預(yù)測(cè)曲線光滑，且滿足最大主應(yīng)力與爭(zhēng)根含量關(guān)系曲線，此模型具有良好的泛發(fā)推廣能力。

（４）對(duì)比三種糟能網(wǎng)絡(luò)本構(gòu)模型擬合得到的預(yù)測(cè)結(jié)果，表明ＡＮＦＩＳ模型具有更好的擬合精度、容錯(cuò)能力和泛發(fā)能力，說(shuō)ⅢｊＡＮＦＩＳ強(qiáng)大的推理能力能更好的提取加筋土內(nèi)在規(guī)律。關(guān)鍵詞：加筋土；本構(gòu)模型：ＢＰ神經(jīng)網(wǎng)絡(luò)；ＲＢＦ神經(jīng)網(wǎng)絡(luò)；ＡＮＦＩＳ

Ａｂｓｔｒａｃｔ

Ａｓａｋｉｎｄｏｆｎｅｗｇｅｏｔｅｃｈｎｉｃａｌｃｏｍｐｏｓｉｔｅｍａｔｅｒｉａｌ，ｒｅｉｎｆｏｒｃｅｄｓｏｉｌｈａｓｍａｎｙａｄｖａｎｔａｇｅｓ：Ｗｉｔｈａｇｏｏｄｓｔａｂｉｌｉｔｙ，ｉｔｉｓｅａｓｙｆｏｒｃｏｎｓｔｒｕｃｔｉｏｎａｎｄｃｏｓｔｓｍｕｃｈ１０ｗｅｒｔｂａｎｗｉｔｈｏｔｈｅｒｍａｔｅｒｉａｌｓ，ｔｈｕｓｉｔｐｒｏｖｉｄｅｓｃｉｖｉｌｅｎｇｉｎｅｅｒｓｗｉｔｈｍａｎｙｅｃｏｎｏｍｉｃａｌｍｅａｎｓ．ｒｅｉｎｆｏｒｅｅｄｓｏｉｌｔｅｃｈｎｏｌｏｇｙｈａｓｂｅｅｎｗｉｄｅｌｙａｐｐｌｉｅｄｉｎｒｅｉｎｆｏｒｃｅｄｒｅｔａｉｎｉｎｇｓｔｒｕｃｔｕｒｅｓ，ｒｅｉｎｆｏｒｃｅｄｓｌｏｐｅａｎｄｒｅｉｎｆｏｒｃｅｄｓｏｆｔｇｒｏｕｎｄｉｎｗａｔｅｒｃｏｎｓｅｒｖａｎｃｙ，ｈｉｇｈｗａｙ，ｒａｉｌｗａｙ，ｐｏｒｔａｎｄａｒｃｈｉｔｅｃｔｕｒｅ

ｓｙｎｔｈｅｔｉｃｂｕｉｌｄｉｎ２．Ｗｉｔｈｔｈｅａｐｐｌｉｃａｔｉｏｎｏｆｃｉｖｉｌｅｎｇｉｎｅｅｒｉｎｇｍａｔｅｒｉａｌｓｉｎｍｏｄｅｍｇｅｏｔｅｃｈｎｉｃａｌ

ｅｎｇｉｎｅｅｒｉｎｇ，ｔｈｅａｐｐｌｉｃａｔｉｏｎｏｆｒｅｉｎｆｏｒｃｅｄｓｏｉｌ

ｔｈｅｏｒｅｔｉｃａｌｓｔｕｄｙｏｆｒｅｉｎｆｏｒｃｅｄｓｏｉｌｉＳｅｖｅｎｔｅｃｈｎｏｌｏｇｙｗｉｌｌｂｅｍｏｒｅｗｉｄｅｓｐｒｅａｄ．ｓｏｔｈｅｍｏｒｅｎｅｃｅｓｓａｒｙ．

Ｂｅｃａｕｓｅｒｅｉｎｆｏｒｃｅｍｅｎｔｍａｔｅｒｉａｌｉｓａｄｄｅｄｔｏｔｈｅｅａｒｔｈ，ｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｈｅｅａｒｔｈｉｓｃｈａｎｇｅｄ，ａｎｄ

ｒｅｉｎｆｏｒｃｅｄｔｈｅｆｏｒｍｅｒｃｏｎｓｔｉｔｕｔｉｖｅｍｏｄｅｌｔｈｅｓｉｓｉｓｂａｓｅｄｂａｓｅｄｏｎｓｏｉｌｉｓｈａｒｄｌｙｅｎｏｕｇｈｔｏｅｘｐｌａｉｎｍｅｔｈｏｄ，ａｄｏｐｔｓｓｏｉｌ．Ｔｈｉｓｕｐｏｎａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅ

ｇｒａｓｓｒｏｏｔｓ’ｒｅｉｎｆｏｒｃｅｄｓｏｉｌ（ＧＲＳ）ｔｒｉａｘｉａｌ

ｇｅｎｅｒａｔｉｎｇｎｅｔｗｏｒｋ

ＲＢＦｎｅｕｒａｌｔｅｓｔｄａｔａｔｒａｉｎｉｎｇｉｎｔｅｌｌｉｇｅｎｃｅｎｅｔｗｏｒｋ，ｓｅｌｆ∑ａｃｔｐａｒａｍｅｔｅｒ，ａｎｄｇｅｔｓｒｅｉｎｆｏｒｅｅｄｓｏｉｌＢＰｎｅｕｒａｌＡＮＦＩＳｎｅｔｗｏｒｋｃｏｎｓｔｉｔｕｔｉｖｅｍｏｄｅｌ．ｎｅｔｗｏｒｋｃｏｎｓｔｉｔｕｔｉｖｅｍｏｄｅｌ，，ｃｏｎｓｔｉｔｕｔｉｖｅｍｏｄｅｌ，ｔｈｕｓａｖｏｉｄｉｎｇｔｈｅｄｉｆｆｉｃｕｌｔｉｅｓｏｆｍａｔｈｅｍａｔｉｃａｌｍｏｄｅｌｉｎｇｄｅｔｅｒｍｉｎｅｆｕｎｃｔｉｏｎｐａｒａｍｅｔｅｒ．

ａｒｅ（１）ＴｈｅＧＲＳＢＰｎｅｕｒａｌ

ｅｒｒｏｒｎｅｔｗｏｒｋｃｏｎｓｔｉｔｕｔｉｖｅｍｏｄｅｌｔｈｅｔｒａｉｎｉｎｇｅｓｔａｂｌｉｓｈｅｄ，ａｎｄｔｈｅｔｒａｉｎｉｎｇｃｈｅｃｋｉｎｇｐｒｏｃｅｓｓｔｈｅｅｎ－０ｒａｎｄｔｈｅｃｈｅｃｋｉｎｇａｒｅａｌｌｓｍａｌｌ，ｕｎｄｅｒａｎｄｃｕｒｖｅｓｏｆ

ｔｈｅｍｏｄｅｌｓｉｍｕｌａｔｉｎｇａｒｅｉｎａｃｃｏｒｄａｎｃｅｗｉｔｈｅｘｐｅｒｉｍｅｎｔａｌ

ｅｒｒｏｒｓｃｕｒｖｅｓ，ａｎｄｉｔａｌｓｏｍｏｄｉｆｉｅｓｓｔｒｅｓｓｍｕｔａｔｉｏｎｐｏｉｎｔｃａｕｓｅｄｂｙｅｘｐｅｒｉｍｅｎｔａｌ

ｃｏｎｔｅｎｔｒｅｌａｔｉｏｎｏｎｍａｘｉｍｕｍｐｒｉｎｃｉｐｌｅｈａｓａａｎｄｇｒａｓｓｒｏｏｔｈｉｇｈｃｕｒｖｅｓ，ａｎｄｐｒｏｖｅｓｔｈａｔｔｈｉｓ

ｔｏｎｅｔｗｏｒｋｇｏｏｄｆａｕｌｔ—ｔｏｌｅｒａｎｔａｂｉｌｉｔｙａｎｄａｃｃｕｒａｃｙ，ｗｈｉｃｈｅｎａｂｌｅｓｉｔ

ｓｔｒｅｓｓ—ｓｔｒａｉｎｂｅｕｓｅｄｉｎｍａｋｉｎｇＧＲＳｃｏｎｓｔｉｔｕｔｉｖｅｍｏｄｅｌ．ＴｈｅｒｅｉｎｆｏｒｃｅｄｓｏｉｉａｒｅｐｒｅｄｉｃｔｅｄＣＨＩＶｅｏｆｄｉｆｆｅｒｅｎｔｇｒａｓｓｒｏｏｔｃｏｎｔｅｎｔｓｉｍｕｌａｔｅｄｂｙｔｈｅｍｏｄｅｌａｌｓｏｉｎａｃｃｏｒｄａｎｃｅｗｉｔｈｍａｘｉｍｕｍｐｒｉｎｃｉｐｌｅｓｔｒｅｓｓａｎｄｇｒａｓｓｒｏｏｔｃｏｎｔｅｎｔｒｅｌａｔｉｏｎｃｕｒｖｅｓ，ＳＯｔｈｅｍｏｄｅＩｈａｓｇｏｏｄｇｅｎｅｒａｌｉｚａｔｉｏｎａｂｉｌｉｔｙ．

（２）Ｔｈｅ

ｏｎＧＲＳＲＢＦｎｅｕｒａｌｎｅｔｗｏｒｋｃｏｎｓｔｉｔｕｔｉｖｅｍｏｄｅｌａｒｅｅｓｔａｂｌｉｓｈｅｄ，ａｎｄｔｈｅｉｎｆｌｕｃｎｃｅｎｅｔｗｏｒｋｐｒｅｃｉｓｉｏｎｂｙｔｒａｉｎｉｎｇｓａｍｐｌｅｓｃａｌｅａｎｄｅｒｒｏｒ－ｃｏｎｔｒｏｌｌｉｎｇｉｓｄｉｓｃｕｓｓｅｄ．Ｔｈｅｌａｒｇｅｒｔｈｅｔｒａｉｎｉｎｇｓａｍｐｌｅｓｃａｌｅｉｓ，ｔｈｅｂｅｔｔｅｒｉｔｉｓｆｏｒｔｈｅｓｔｕｄｙｏｆｔｈｅｄａｔａｉｎｎｅｒｒｅｇｕｌａｒｉｔｙｂｖｔｈｅｎｅｔｗｏｒｋ，ａｓｗｈｅｎｔｈｅｔｒａｉｎｉｎｇ

ｔｈｅｄｅｃｒｅａｓｅｏｆｆａｕｌｔ—ｔｏｌｅｒａｎｔｅｌＴｏｒｉｓｔｏｏｓｍａｌｌ，ｔＯＯｆｉｔｔｉｎｇｍａｙａｐｐｅａｒ，ｗｈｉｃｈｗｉｌｌｒｅｓｕｌｔｉｎｔｏｏａｂｉｌｉｔｙ；Ｗｈｅｎｌａｒｇｅ，ｉｔｍａｙｌｅａｄｔＯｔｈｅｉｎａｄｅｑｕａｃｙｏｌ’ｔｈｅｓｔｕｄｙｏｆｔｈｅｉｎｎｅｒｒｅｇｕｌａｒｉｔｙｏｆｔｈｅｔｒａｉｎｉｎｇｄａｔａ．

（３）ＴｈｅＡＮＦＩＳｃｏｎｓｔｉｔｕｔｉｖｅｍｏｄｅｌａｒｅｅｓｔａｂｌｉｓｈｅｄ，Ｔｈｅｒｅｉｎｆｏｒｃｅｄｓｏｉｌｓｔｒｅｓｓ－ｓｔｒａｉｎ

碩ｆｊ學(xué)位論文

ｐｒｅｄｉｃｔｅｄｃｕｒｖｅｓｏｆｄｉｆｆｅｒｅｎｔｇｒａｓｓｒｏｏｔｃｏｎｔｅｎｔｓｉｍｕｌａｔｅｄｂｙｔｈｅｍｏｄｅｌａｒｅｓｍｏｏｔｈ，ａｎｄａｌｓｏｉｎ

ｃｕｒｖｅｓ，ＳＯａｃｃｏｒｄａｎｃｅｗｉｔｌｌｍａｘｉｍｕｍｐｒｉｎｃｉｐｌｅｓｔｒｅｓｓａｎｄｇｒａｓｓｒｏｏｔｃｏｎｔｅｎｔｒｅｌａｔｉｏｎ

ｍｏｄｅｌｈａｓｇｏｏｄｇｅｎｅｒａｌｉｚａｔｉｏｎａｂｉｌｉｔｙ．ｔｈｅ

（４）Ｔｈｅｃｏｍｐａｒｉｓｏｎｂｅｔｗｅｅｎｐｒｅｄｉｃｔｅｄｒｅｓｕｌｔｓｓｉｍｕｌａｔｅｄ

ａｂｙｔｈｅｔｈｒｅｅｉｎｔｅｌｌｉｇｅｎｃｅｎｅｔｗｏｒｋｃｏｎｓｔｉｔｕｔｉｖｅｍｅｔｈｏｄｓ，ｓｕｇｇｅｓｔｓｔｈａｔＡＮＦＩＳｍｏｄｅｌｈａｓ

ｆａｕｌｔ－ｔｏｌｅｒａｎｔａｂｉｌｉｔｙ

ＡＮＦＩＳｂｅｔｔｅｒｓｉｍｕｌａｔｉｖｅａｃｃｕｒａｃｙ，ａｎｄｇｅｎｅｒａｌｉｚａｔｉｏｎａｂｉｌｉｔｙ，ａｎｄｓｈｏｗｓｔｈｅｓｔｒｏｎｇｒｅａｓｏｎｉｎｇａｂｉｌｉｔｙｏｆＣａｎｂｅｔｔｅｒｅｘｔｒａｃｔｉｎｔｅｒｎａｌｒｅｇｕｌａｔｉｔｙｏｆｒｅｉｎｆｏｒｃｅｄｓｏｉｌ．

ＫｅｙＷｏｒｄｓ：ｒｅｉｎｆｏｒｃｅｄｓｏｉｌ；ｃｏｎｓｔｉｔｕｔｉｖｅ

ＡＮＦＩＳｍｏｄｅｌ；ＢＰｎｅｕｒ．ａｌｎｅｔｗｏｒｋ；ＲＢＦｎｅｕｒａｌｎｅｔｗｏｒｋ；

ＩＶ

湖南大學(xué)

學(xué)位論文原創(chuàng)性聲明

本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究所取得的研究成果。除了文中特別加以標(biāo)注引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫的成果作品。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。本人完全意識(shí)到本聲明的法律后果由本人承擔(dān)。儲(chǔ)躲鰳ｊ同期：≯。１年了月三知

學(xué)位論文版權(quán)使用授權(quán)書

本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)湖南大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。本學(xué)位論文屬于

ｌ、保密口，在

２、不保密囤。

（清在以｝二相應(yīng)方框內(nèi)打“√”）年解密后適用本授權(quán)書。

作者簽名：

導(dǎo)師簽名：盔洶日期：加。ｆ年ｊ月以ｆ］嗍加７年歹月彤閂

最新搜索

基于人工智能方法加筋土本構(gòu)模型_圖文

消化系統(tǒng)常見癥狀與體征

賈峰畢業(yè)于什么大學(xué)

字母音素表

啦啦啦啦啦啊

2016百校聯(lián)考語(yǔ)文試卷參考答案

科索沃戰(zhàn)爭(zhēng)中南聯(lián)盟空軍裝備的米格- 29飛機(jī),與美軍F-16

ppt圖片不顯示

傲骨 與 傲氣

化和價(jià)、相對(duì)分子質(zhì)量練習(xí)題

  本文關(guān)鍵詞：基于人工智能方法加筋土本構(gòu)模型，由筆耕文化傳播整理發(fā)布。